 Кластерный анализ, реализации и эффекты |
Здравствуйте, гость ( Вход | Регистрация )
 9.03.2023 - 13:01
Сообщение
#1
|
|
 Группа: Пользователи Сообщений: 1141 Регистрация: 10.04.2007 Пользователь №: 4040  |
Не в порядке обсуждения, но если оно случится, буду рад.
При реализации классического метода k-средних были замечены интересные вычислительные эффекты. Если указать алгоритму некоторое количество кластеров, на которые будут разбиты объекты, то происходит следующее: 1. Количество [непустых] кластеров не может превысить определенное значение. Если в тестах задать, к примеру, число кластеров, равное числу объектов либо большее реально существующему, то выделено будет определенное количество кластеров. Остальные кластеры будут пустыми с нулевыми центрами. 2. Кластеризация не зависит от начального, например, случайного, разбиения. Из любой начальной конфигурации процесс итерационно сходится к тому же самому разбиению, что и из любой другой начальной конфигурации. Предполагаем, что: 1. Метод устанавливает истинное распределение объектов по кластерам (конечно, в смысле используемой метрики). 2. Если стоит задача установления истинной конфигурации объектов, количество кластеров для данного метода можно вообще не задавать по той же причине. В результате расчета количество кластеров, объективно существующих в заданном массиве данных, будет равно количеству непустых кластеров. Из минусов метода: придется нарисовать специфический график с облаками объектов в кластерах (на самом деле не сильно сложно). Из плюсов: для агломеративного метода график можно вообще не рисовать. 
Сообщение отредактировал Игорь - 9.03.2023 - 13:54  Ebsignasnan prei wissant Deiws ainat! As gijwans! Sta ast stas arwis!
|
 |
 
|
 |
|
 |
Ответов
|
7.05.2023 - 08:14
Сообщение
#2
|
|
|
Группа: Пользователи Сообщений: 1141 Регистрация: 10.04.2007 Пользователь №: 4040 |
Ну вот. Попалось подтверждение представленным выше заблуждениям. Свежий источник Ahmad I. 40 algorithms every programmer should know. - Birmingham: Packt Publishing, 2020. На с. 143 утверждается:
"The k-means algorithm ... comes with the following limitations: - The biggest limitation of k-means clustering is that the initial number of clusters has to be predetermined. - The initial assignment of cluster centers is random. This means that each time the algorithm is run, it may give slightly different clusters." Опыт программирования и расчета не подтверждает данные тезисы. Сообщение отредактировал Игорь - 12.05.2023 - 10:09 Ebsignasnan prei wissant Deiws ainat! As gijwans! Sta ast stas arwis!
|
|
|
|
|
|
Сообщений в этой теме
Игорь Кластерный анализ 9.03.2023 - 13:01
Leonov В разделе "Кластерный анализ, реализации и эф... 9.03.2023 - 19:44 Игорь Спасибо за информацию. 10.03.2023 - 12:23 nokh В порядке обсуждения:) Как ни странно, вообще не н... 10.05.2023 - 21:23 100$ Даёшь вместо метода к - средних статистику Гопкинс... 11.05.2023 - 16:22
ИНО Цитата(100$ @ 11.05.2023 - 16:2... 12.05.2023 - 01:56 Игорь Цитата(ИНО @ 12.05.2023 - 02:56) ...... 12.05.2023 - 10:09 ИНО ИМХО, задача метода k-средних довольно специфическ... 12.05.2023 - 01:05 passant .... 12.05.2023 - 09:39 ИНО Игорь, спасибо за полезную ссылку. Однако там пред... 12.05.2023 - 16:06 Игорь Цитата(ИНО @ 12.05.2023 - 16:06) Как... 13.05.2023 - 07:46 ИНО Там страниц много и ссылок на разные методы и обла... 13.05.2023 - 13:47 Blaid В порядке обсуждения, как дилетант-любитель, встав... 20.05.2023 - 20:38 ИНО F и всякие там SS - это из ANOVA/MANOVA, т. е. тре... 20.05.2023 - 21:25 Blaid ЦитатаF и всякие там SS - это из ANOVA/MANOVA, т. ... 21.05.2023 - 09:56 ИНО Что может быть непонятного в термине фокус исследо... 21.05.2023 - 19:01 Игорь Считаю, что если целью работы [и нашего форума] яв... 24.05.2023 - 10:07 ИНО Это действительно хорошая книга, написанная доступ... 24.05.2023 - 14:23 |